数据结构与算法学习-复杂度

1.如何衡量程序运行的效率

1.1.复杂度

复杂度是衡量代码运行效率的重要度量因素；
复杂度是一个关于输入数据量n的函数

• O(n)表示的是，复杂度与计算实例的个数n线性相关；
• O(logn)表示的是，复杂度与计算实例的个数n对数相关；

1.1.1. 复杂度的计算方法

O(n)和O(2n)表示的是同样的复杂度
O(2n)=O(n+n)=O(n)+O(n)

1.1.2.时间复杂度与代码的结构有关

• 一个顺序结构的代码，时间复杂度是O(1);
• 二分查找，或者采用分而治之的二分策略，时间复杂度是O(logn)；
• 一个简单的for循环，时间复杂度是O(n)；
• 两个顺序执行的for循环，时间复杂度是O(n)+O(n)=O(2n)；
• 两个嵌套的for循环，时间复杂度是O(n²)；

空间复杂度与数据结构的设计有关；

1.2.将“昂贵”的时间复杂度转换成“廉价的空间复杂度”

1.2.1.程序优化的最核心思路

• 第一步，暴力解法
  在没有任何时间、空间的约束下，完成代码任务的开发
• 第二步，无效操作处理
  将代码中的无效计算、无效存储剔除，降低时间复杂度
• 第三步，时空转换
  设计合理的数据结构，完成时间复杂度向空间复杂度的转移